Традиционные подходы к прогнозированию, нашедшие применение в экономической практике, можно подразделить на три основные группы . Это методы экспертных оценок, методы обработки пространственно-временных совокупностей и ситуационные методы. Рассмотрим по порядку.
Методы экспертных оценок являются,пожалуй, самыми популярными, и имеют древнюю историю. В частности, так называемый дельфийский метод (названный так в часть древнегреческого города Дельфы, известного своими оракулами), базируется на многоступенчатом экспертном опросе (методом «мозгового штурма») с проследующей обработкой данных методами экономической статистики. Хорошо также известна практика обработки экспертных оценок на базе теории нечетких множеств .
Ограниченность методов экспертных оценок в том, что в них присутствует субъективный элемент и возможность ошибочного суждения. Часто бывает, что эксперт формирует свое мнение на основе неосознанных субъективных предпочтений, внутренней картины мира, сложившейся в течение всей жизни эксперта. Эксперт, бывает, склонен даже игнорировать новые факты и гипотезы, которые противоречат сложившемуся у эксперта взгляду на вещи и не вписываются в его научное мировоззрение. Чем консервативнее эксперт (это часто корреспондируется с его возрастом), тем менее он склонен непрерывно учиться. Также случается, что эксперт излишне подвержен коллективному мнению, расхожим, популярным теориям (например, если концепции, исповедуемые научной школой, к которой принадлежит эксперт, подвергаются обоснованной критике, то смене взглядов эксперта может помешать не только его косность, но и «корпоративная солидарность»).
В финансовом менеджменте нет и не может быть ничего застывшего, окончательного. Даже результаты, получившие в свое время нобелевскую премию в области экономики, попадают под удар сокрушительной критики. Так было, например, с портфельной теорией Марковица, с теорией линии рынка капитала Шарпа-Литнера, с теорией справедливой оценки стоимости европейского опциона Блэка-Шоулза-Мертона . Оказывалось, что предпосылки, положенные в основу этих теорий (нормальность законов распределения доходности активов, монотонность инвестиционных предпочтений, винеровский случайный процесс ценовых колебаний) существенно расходятся с реальностью фондового рынка. Инвесторы, следовавшие «классическим» теориям фондового менеджмента, потерпели колоссальные убытки в 2001 – 2002 годах (только в США за эти годы инвесторы потеряли 7-10 трлн. долларов), когда изменившаяся картина рынка вступила в противоречие с научной его картиной, бытующей по сию пору. Основополагающее значение перечисленных «нобелевских» теорий для финансового менеджмента никем не оспаривается. Однако из этого не следует, что невозможно развитие и появление новых теорий финансового менеджемента, оппонирующих уже существующим теориям. Такая ломка научных стереотипов, кризис экономической парадигмы, о которой писал Т.Кун в , воспринимается сложившимися экспертами весьма болезненно, потому что вынуждает их обновлять свое научное мировоззрение, доучиваться. Новые теории обесценивают роль предшествующих теорий в научном процессе, равно как и вклад в науку целых поколений ученых, работавших в русле, очерченном их предшественниками. Все это рождает латентный протест, который может в конечном счете выразиться в ошибочном экспертном заключении.
Методы обработки пространственно-временных совокупностей существенно варьируют по сложности используемых алгоритмов.
Простейший вариант прогноза – это предположение регрессии прогнозируемого параметра по фактору времени:
Y(t) = a + b ´ t +e (t), (1.1)
где a,b –параметры регрессии (определяемые обычно по методу наименьших квадратов),
e (t) – случайная величина с нулевым математическим ожиланием и фиксированными прочими параметрами вероятностного распределения.
Предположение о линейности регрессии прямо вытекает из допущения, что прогнозируемый случайный процесс является стационарным, т.е. в каждом временном сечении этого процесса лежит случайная величина, вероятностное распределение которой содержит постоянные, неизменные во времени параметры.
Из этого же допущения о стационарности случайного процесса исходят все методы авторегрессии, когда прогнозируемое значение параметра линейным образом зависит от некоторой совокупности предыдущих значений параметров:
Y(t) = A0 + A1Y(t-1) + A2Y(t-2) + … + e (t). (1.2)
Авторегрессия свидетельствует об инерционности и стационарности прогнозируемого процесса, о сохранении на всем интервале прогнозирования исторически сложившейся экономической парадигмы. Однако это допущение является слишком сильным и малореалистичным. Чтобы смягчить эту предпосылку о стационарности, зарубежные исследователи Энгл и Боллерслев разработали семейство методов ARCH и GARCH соответственно, допуская, что прогнозируемый процесс перестает быть стационарным, но будущее значение волатильности этого процесса может быть предсказано по ряду предыдущих значений волатильности процесса (условно-непостоянная волатильность). Т.е. в алгоритме прогнозируется не только искомый параметр, но и параметры распределения ошибки прогноза.
Развитием методов ARCH и GARCH является технология так называемых нейронных сетей , когда система прогнозирования в автоматическом режиме осуществляет оценивание параметров регрессии, минимизируя функцию ошибки. Любопытно, что иногда для обучения финансовых нейронных сетей используются даже астрологические прогнозы (в мире существует ряд финансовых программ на астрологическом базисе, и мы здесь обходим стороной вопрос о том, является ли астрология наукой или нет).
Методы ARCH и GARCH (равно как и построенные на их основе нейронные сети) перестают работать, когда исследуемая экономическая система терпит так называемый эпистемологический, парадигмальный разрыв , т.е., с резким изменением экономических тенденций вся накопленная история оказывается неподходящей для прогноза. Характерный пример – перелом тенденции фондового рынка США в 2001 году. И в этом случае для прогнозирования тенденций подсистемы необходимо пользоваться данными надсистемы, не претерпевшей парадигмального разрыва. Так, для прогнозирования американских фондовых индексов сегодня можно воспользоваться данными макроэкономических индексов и обновленными предположениями о рациональных инвестиционных тенденциях, используя идеологию треугольных нечетких функций .
